【技术实现步骤摘要】
本专利技术属于电网运行管理领域，尤其涉及一种用于售电量预测的组合售电量预测方法。
技术介绍
1、售电量是供电企业经营的主要产品，是衡量供电企业经济效益的核心标准，折射了社会经济图景，并深深影响着售电电价、销售利润、线损管理等一系列指标计算。能否较为精准的预测售电量不仅涉及电费电价、计量、电力需求侧管理等同业对标指标的提升，还关乎电力系统调度安全、电网运行方式安排、电网供需平衡、购售电方案制定。
2、授权公告日为2022.12.06，授权公告号为cn 112308305 b的专利技术专利，公开了“一种基于多模型综合的售电量预测方法”，包括步骤：1)对售电量相关因子数据进行搜集；2)排查历史数据的异常值并加以数学处理；3)采用“logistic模型”+“多元回归模型”组合建立确定性预测模型；4)采用“灰色预测”+“层次分析-模糊聚类预测”的组合建立不确定性预测模型；5)以最小二乘法将基于确定性预测模型和不确定性预测模型按权值比重进行组合预测，得到预测值。有效提升预测效果的稳定性和可靠性，提升售电量预测准确性。
3、但是，目前的售电量预测的方法大多都是单一模型预测的方法，以售电量历史数据自身去预测未来时段售电量，预测结果与自身前期相关，不同单一预测模型各有不同的优缺点，因而单一模型预测结果可能出现较差的偏差。
4、售电量和人口数量和gdp密切相关，使用包含人口数量和gdp数据构建不同模型进行预测，并对不同模型预测结果进行组合，能够比较好的解决上述问题，提升预测的准确度。
1、本专利技术所要解决的技术问题是提供一种使用人口数量和gdp数据的组合售电量预测方法。其通过选择目标地区售电量、目标地区gdp和常住人口数据，分别使用bp神经网络模型和回归模型进行预测，对两种方法的预测结果采用熵值法进行赋权，根据权重得到组合预测结果；预测结果更加准确，有助于电网运行方式安排、电网供需平衡、营销战略决策部署以及购售电方案制定。
2、本专利技术的技术方案是：提供一种使用人口数量和gdp数据的组合售电量预测方法，其特征是包括以下步骤：
3、步骤1：数据收集；
4、步骤2：采用bp神经网络模型对售电量进行预测；
5、步骤3：构建回归模型对售电量进行预测；
6、步骤4：采用熵值法对通过神经网络模型和回归模型得到的未来时段的售电量预测值时序进行赋权；
7、步骤5：根据权重得到售电量组合预测结果。
8、所述使用人口数量和gdp数据的组合售电量预测方法，选择目标地区售电量、目标地区gdp和常住人口数据，分别使用bp神经网络模型和回归模型进行预测，对两种方法的预测结果采用熵值法进行赋权，根据权重得到售电量组合预测结果。
9、具体的，所述步骤1中的数据收集，包括收集历史售电量数据以及其gdp和常住人口数据。
10、具体的，所述步骤2中的采用bp神经网络模型对售电量进行预测，包括：
11、步骤2.1：数据预处理：对收集到的数据进行归一化等预处理操作，以备用于深度学习模型训练；
12、步骤2.2：模型构建：以与处理后的数据构建预测模型的训练数据集和测试数据集，进行训练构建模型；
13、步骤2.3：售电量预测：将训练好的模型应用于实时电力数据的预测，通过模型输出未来时段的售电量预测值；
14、步骤2.4：预测结果输出：将预测结果与实际售电量进行比较，分析预测的准确度，并可根据需要调整模型参数和结构，进一步提高预测准确度。
15、具体的，所述步骤3中的构建回归模型对售电量进行预测，包括以下步骤：
16、步骤3.1：构建以售电量作为被解释变量，人口数量和gdp作为被解释变量的回归模型；
17、步骤3.1：对模型进行回归估计，并对模型进行检验；
18、步骤3.3：根据模型回归结果对未来时段售电量进行预测。
19、进一步的，所述的构建回归模型对售电量进行预测，具体包括以下步骤：
20、1)对收集到的数据进行单位根和协整关系检验：
21、检验售电量数据、地区gdp、常住人口能否建立线性回归模型；
22、2)构建回归模型：yt＝β0+β1gdpt+β2popt+μt；
23、其中，yt为地区售电量，gdpt为地区gdp，popt为地区常住人口，μt为随机干扰项；
24、3)采用最小二乘法对回归方程模型进行回归估计模型参数，对模型回归结果和系数显著性进行检验；
25、4)采用回归模型对未来时段售电量进行预测，预测未来n期的售电量，输出未来n期的售电量预测结果：[x21、x22…x2n]。
26、具体的，所述的基于熵值法得到神经网络模型和回归模型预测结果的权重，具体包括以下步骤：
27、1)对神经网络模型和回归模型预测结果[x11、x12…x1n]、[x21、x22…x2n]分别采用极差法进行标准化处理：x′ij＝(xtij-minxj)/(maxxj-minxj)；
28、2)对标准化后的数据进行平移；
29、3)计算第j项指标下第i个方案占该指标的比重；
30、4)计算各项指标第j项指标的熵值；
31、5)计算各项指标的第j项指标的差异系数：gj＝1-ej；
32、则：gj越大指标越重要
33、6)计算各项指标权重：
34、近一点，所述第j项指标下第i个方案占该指标比重的计算公式为：
35、
36、进一步的，所述各项指标第j项指标的信息熵计算模型的表达公式为：
37、
38、其中，k＝1/ln(m)。
39、本专利技术所述使用人口数量和gdp数据的组合售电量预测方法，使用人口数量和gdp数据采用不同模型进行预测，并对预测结果进行赋权计算得到组合预测结果，预测结果更加准确，能更好地满足包括电网运行方式安排、电网供需平衡、营销战略决策部署、购售电方案制定在内的需要。
40、与现有技术比较，本专利技术的优点是：
41、1.本专利技术的技术方案，使用人口数量和gdp数据的组合售电量预测方法，选择目标地区售电量、目标地区gdp和常住人口数据，分别使用bp神经网络模型和回归模型进行预测，对两种方法的预测结果采用熵值法进行赋权，根据权重得到组合预测结果。
42、2.本专利技术的技术方案，使用人口数量和gdp数据采用不同模型进行预测，并对预测结果进行赋权计算得到组合预测结果，预测结果更加准确，为电网运行方式安排、电网供需平衡、营销战略决策部署以及购售电方案的制定提供帮助。
43、3.本专利技术的技术方案，采用熵值法进行赋权，根据权重得到组合预测结果，有效的避免了单一模型预测结果可能出现的较大偏差。
本文档来自技高网...【技术保护点】
1.一种使用人口数量和GDP数据的组合售电量预测方法，其特征是包括以下步骤：
2.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述使用人口数量和GDP数据的组合售电量预测方法，选择目标地区售电量、目标地区GDP和常住人口数据，分别使用BP神经网络模型和回归模型进行预测，对两种方法的预测结果采用熵值法进行赋权，根据权重得到售电量组合预测结果。
3.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述步骤1中的数据收集，包括收集历史售电量数据以及其GDP和常住人口数据。
4.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述步骤2中的采用BP神经网络模型对售电量进行预测，包括：
5.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述步骤3中的构建回归模型对售电量进行预测，包括以下步骤：
6.按照权利要求5所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述的构建回归模型对售电量进行预测，具体包括以下步骤
7.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述的基于熵值法得到神经网络模型和回归模型预测结果的权重，具体包括以下步骤：
8.按照权利要求7所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述第j项指标下第i个方案占该指标比重的计算公式为：
9.按照权利要求7所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述各项指标第j项指标的信息熵计算模型的表达公式为：
10.按照权利要求1所述的使用人口数量和GDP数据的组合售电量预测方法，其特征是所述使用人口数量和GDP数据的组合售电量预测方法，使用人口数量和GDP数据采用不同模型进行预测，并对预测结果进行赋权计算得到组合预测结果，预测结果更加准确，能更好地满足包括电网运行方式安排、电网供需平衡、营销战略决策部署、购售电方案制定在内的需要。
...【技术特征摘要】
1.一种使用人口数量和gdp数据的组合售电量预测方法，其特征是包括以下步骤：
2.按照权利要求1所述的使用人口数量和gdp数据的组合售电量预测方法，其特征是所述使用人口数量和gdp数据的组合售电量预测方法，选择目标地区售电量、目标地区gdp和常住人口数据，分别使用bp神经网络模型和回归模型进行预测，对两种方法的预测结果采用熵值法进行赋权，根据权重得到售电量组合预测结果。
3.按照权利要求1所述的使用人口数量和gdp数据的组合售电量预测方法，其特征是所述步骤1中的数据收集，包括收集历史售电量数据以及其gdp和常住人口数据。
4.按照权利要求1所述的使用人口数量和gdp数据的组合售电量预测方法，其特征是所述步骤2中的采用bp神经网络模型对售电量进行预测，包括：
5.按照权利要求1所述的使用人口数量和gdp数据的组合售电量预测方法，其特征是所述步骤3中的构建回归模型对售电量进行预测，包括以下步骤：
6.按照权利要求5所述的使用人口数...
【专利技术属性】
技术研发人员：张一彦，贺静，陆嘉铭，朱洪志，高翔，李丹戎，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。